Fustare l'ecografia e l'imaging di risonanza magnetica per pianificare in modo intelligente il campo termico di ablazione altamente conforme per carcinoma epatocellulare

L'ablazione termica è un importante trattamento minimamente invasivo per il carcinoma epatocellulare (HCC), ma la progressione del tumore locale (LTP) dopo l'ablazione limita l'efficacia e lo stato della tecnologia di ablazione e minaccia gravemente la sopravvivenza dei pazienti. La copertura insufficiente del campo termico è un fattore importante sul verificarsi di LTP. L'attuale pianificazione del campo termico si basa su contorni tumorali e esperienza del medico e il margine di sicurezza è uniforme. Pertanto, non può far fronte al problema della copertura insufficiente del campo termico causato dalle diverse capacità di invasione di tumori diversi e parti diverse dello stesso tumore. Questo progetto intende analizzare in modo integrante gli ultrasuoni in scala di grigi, l'ecografia potenziata dal contrasto, la risonanza magnetica e le informazioni cliniche dell'HCC attraverso una profonda analisi di correlazione canonica; Riassumi le precedenti conoscenze dei fattori di rischio LTP negli studi precedenti ed eseguire analisi congiunte dati dei singoli casi e conclusioni comuni attraverso il grafico della conoscenza; prevedere interpretativamente il rischio LTP e le posizioni LTP ad alto rischio attraverso la previsione dei collegamenti; Prevedere accuratamente il margine di sicurezza dell'ablazione richiesto per diverse parti tumorali attraverso la rete neurale del grafico e ottenere una pianificazione del campo termico altamente conforme basato su diverse capacità di invasione per ridurre al minimo il rischio LTP di HCC. Il progetto sfrutta l'imaging multi-modale tumorale e le conoscenze precedenti come punto di ingresso, esegue una pianificazione altamente conforme del campo termico di ablazione attraverso la tecnologia di intelligenza artificiale e fornisce un nuovo metodo per l'ablazione precisa.